| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本论文的主要工作 | 第12-14页 |
| 第2章 网络舆情系统的舆情爬取 | 第14-22页 |
| 2.1 网络爬虫涉及到的技术 | 第14-16页 |
| 2.1.1 数据类型 | 第15页 |
| 2.1.2 爬取策略 | 第15-16页 |
| 2.2 网络爬虫具体实施与遇到的问题及解决方案 | 第16-21页 |
| 2.2.1 具体实施 | 第16-20页 |
| 2.2.2 遇到的问题及解决方法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于神经网络的情感分类建模 | 第22-40页 |
| 3.1 文本预处理 | 第22-25页 |
| 3.1.1 中文分词 | 第22-24页 |
| 3.1.2 去除停用词 | 第24-25页 |
| 3.2 文本向量化 | 第25-29页 |
| 3.2.1 文本向量化方法 | 第25-26页 |
| 3.2.2 word2vec | 第26-29页 |
| 3.3 CNN网络结构 | 第29-34页 |
| 3.3.1 卷积层 | 第30-31页 |
| 3.3.2 采样层 | 第31-32页 |
| 3.3.3 全连接层 | 第32页 |
| 3.3.4 激活函数层 | 第32-34页 |
| 3.3.5 CNN在项目中可行性分析 | 第34页 |
| 3.4 RNN理论 | 第34-37页 |
| 3.4.1 LSTM | 第35-36页 |
| 3.4.2 GRU | 第36-37页 |
| 3.5 反向传播理论 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于CNN与RNN情感分析模型实验结果与分析 | 第40-54页 |
| 4.1 CNN应用于情感分析的原理 | 第40-41页 |
| 4.2 基于CNN情感分析的实验 | 第41-45页 |
| 4.2.1 基于CNN的二分类实验 | 第42-43页 |
| 4.2.2 基于CNN的三分类实验 | 第43-45页 |
| 4.3 RNN三分类实验 | 第45-48页 |
| 4.4 实验结果对比 | 第48-50页 |
| 4.5 分析结果的展示 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 论文总结 | 第54页 |
| 工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |